Contenido S6.2

DISTRIBUCIONES DE PROBABILIDAD
CONTINUAS
DISTRIBUCIONES DE PROBABILIDAD CONTINUAS, UNIFORME Y

EXPONENCIAL.
ESTADÍSTICA
Ing. Balseca-Guerrón-León
DEPARTAMENTO DE CIENCIAS EXACTAS - ESPE
CLASE Nro. 6.2
CONTENIDO
Título Variables aleatorias continuas, Uniforme y Exponencial.

Duración 90 minutos
Información general Distribuciones de probabilidad continuas
Objetivo Reconocer las diferentes características y propiedades de

algunas distribuciones de probabilidad continuas y cálculo
de probabilidades.
1
CLASE Nro. 6.2
Distribución Uniforme Continua. - Es una de las distribuciones más simples, se caracteriza

porque su función de densidad es “plana”. Se basa en el supuesto de que la la probabilidad es
constante dentro de un intervalo de longitud fija [𝑎, 𝑏]. Su fución de densidad es:
1
( ) ( ) , 𝑎≤𝑥≤𝑏
𝑓 𝑥; 𝑎, 𝑏 → 𝑓 𝑥𝑖 = {𝑏 − 𝑎
0, 𝑒𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Se debe notar, que este tipo de función, siempre forma un rectángulo cuya base es 𝑏 − 𝑎, y
1
su altura constante es , como resultado de esta característica con frecuencia a esta
𝑏−𝑎
distribución se la conoce también como distribución rectangular.
La esperanza matemática y la varianza de una variable aleatoria que sigue una distribución
uniforme continua serán:
𝑏+𝑎
𝐸 (𝑋 ) = 𝜇𝑥 =
2
2
(𝑏 − 𝑎)2
𝑉 (𝑋 ) = 𝜎 =
12
Distribución Exponencial. - En la distribución Poisson la v.a. discreta X se definió, como el

número de éxitos en un determinado intervalo de estudio, ahora en cambio la v.a. continua X,
representa la longitud del intervalo, desde cualquier punto inicial, hasta que se logra el primer
éxito. Si la v.a. A, representa el número de éxitos por intervalo de estudio y si el promedio del
número de éxitos es 𝜆, entonces A, tendrá una distribución Poisson con media 𝜆𝑥. Suponer
que el intervalo total de estudio X es mayor que el intervalo recorrido hasta lograr el primer
éxito. Entonces:
𝑒 −𝜆∙𝑥 (𝜆 ∙ 𝑥)0
𝑃 (𝑋 > 𝑥 ) = 𝑃 (𝐴 = 𝑎 ) = = 𝑒 −𝜆∙𝑥
0!
𝑃(𝑋 ≤ 𝑥 ) = 1 − 𝑃(𝑋 > 𝑥)
𝐹 (𝑥 ) = 𝑃(𝑋 ≤ 𝑥 ) = 1 − 𝑒 −𝜆∙𝑥 ; 𝑝𝑎𝑟𝑎 𝑥 ≥ 0 𝑦 𝜆 > 0
2
CLASE Nro. 6.2
Esta función de distribución acumulada de X, al ser derivada permite obtener la función de

densidad para este tipo de distribución, siempre que sea posible obtener su derivada.
𝑑 𝐹(𝑥) 𝑑
𝑓 (𝑥 ) = = (1 − 𝑒 −𝜆∙𝑥 )
𝑑𝑥 𝑑𝑥
𝑓 (𝑥 ) = 𝜆 ∙ 𝑒 −𝜆∙𝑥 ; 𝑝𝑎𝑟𝑎 𝑥 ≥ 0 𝑦 𝜆 > 0
Fuente: Probabilidad y Estadística aplicadas a la Ingeniería, Montgomery, Runger.
La distribución exponencial suele ser muy utilizado en aplicaciones de teoría de colas y en

problemas relacionados a tiempos de llegada o de espera en instalaciones de servicio, tiempos
de operaciones entre fallos, tiempos de supervivencia (experimentos biológicos), tiempos de
respuesta, etc.
Su esperanza matemática y varianza son:
1
𝐸 (𝑋 ) = 𝜇𝑥 =
𝜆
1
𝑉(𝑋) = 𝜎𝑥 2 =
𝜆2
Es fácil notar que la media de esta distribución es el recíproco del parámetro 𝜆 de una
distribución Poisson; por lo que un proceso Poisson donde la ocurrencia de eventos en
periodos sucesivos son independientes (no tienen memoria) y la distribución exponencial que
en teoría de confiabilidad, donde el parámetro asociado al tiempo medio entre eventos es
importante siempre estarán relacionados.
3
CLASE Nro. 6.2
Propiedad de carencia de memoria. - Las aplicaciones relacionadas con confiabilidad o tiempos

de vida de un equipo o de sus componentes, están influenciados por la propiedad de falta de
memoria de la distribución exponencial. En el caso de componentes donde la distribución del
tiempo de vida sigue una distribución exponencial, la probabilidad de que el componente dure
por ejemplo t horas, será: 𝑃(𝑋 ≥ 𝑡), es la misma que la probabilidad condicional 𝑃(𝑋 ≥ 𝑡0 +
𝑡|𝑋 ≥ 𝑡0 ).
De manera que si el componente alcanza las 𝑡0 horas, la probabilidad de durar 𝑡 horas
adicionales es la misma que la probabilidad de durar 𝑡 horas. Por lo que no habrá un “castigo”
debido al desgaste como resultado de durar las primeras 𝑡0 horas, esta es la principal razón
para emplear la distribución exponencial. Sin embargo, si la falla del componente es resultado
del desgaste gradual o lento (desgaste mecánico), entonces no se deberá aplicar la distribución
exponencial, sino otro tipo de distribuciones tales como la Gamma o Weibull. Esto porque la
distribución exponencial solo describe el tiempo hasta la ocurrencia de un evento Poisson (o
el tiempo entre eventos Poisson).
Esta propiedad también puede estar dada de la siguiente manera:
𝑃 (𝑋 < 𝑡0 + 𝑡|𝑋 > 𝑡0 ) = 𝑃(𝑋 < 𝑡)
REFERENCIAS BIBLIOGRÁFICAS
1. Anderson, D. Sweeney, D. y Williams, T. (2009). Estadística para Administración y

Economía. CENGAGE Learning Editores, SA. 10ma Ed.
2. Lind, D. Marchall, W. y Wathen, S. (2008). Estadística Aplicada a los Negocios y la
Economía. Mc Graw Hill. 13va Ed.
3. Montgomery, D. Runger, G. (2010). Probabilidad y Estadística aplicadas a la Ingeniería.
Mc Graw Hill. 5ta Ed.
4. Walpole, R. Myers, R. Myers, S. (2007). Probabilidad y Estadística para Ingeniería.
Pearson. 8va Ed.
5. Wackerly, D. Mendenhall, W. Scheaffer, R. (2010). Estadística matemática con
aplicaciones. CENGAGE. 7ma Ed.
6. Canovos, G. (1998). Probabilidad y Estadística Aplicaciones y Métodos. Mc Graw Hill.
1ra Ed.
7. Hines, W. Montgomery, D. (2000). Probabilidad y Estadística para Ingeniería. CECSA.
3era Ed.
8. Galindo, E. (1999). Estadística para la Administración y la Ingeniería. Gráficas
Mediavilla Hnos. 1era Ed.
9. Milton, S. Arnold, J. (2000). Probabilidad y Estadística con aplicaciones para
Ingeniería. Mc Graw Hill. 4ta Ed.
10. Levin, Richard. (2010). Estadística para la Administración y Economía. Pearson
Educación. 7ma Ed.
11. Mason, Robert, D. (1992). Estadística Aplicada a los Negocios y Economía. Mc Graw
Hill. 1ra Ed.

Contenido S6.2

Cargado por

Copyright:

Formatos disponibles

Contenido S6.2

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Contenido S6.2

Cargado por

Copyright:

Formatos disponibles

DISTRIBUCIONES DE PROBABILIDAD

DISTRIBUCIONES DE PROBABILIDAD CONTINUAS, UNIFORME Y

Título Variables aleatorias continuas, Uniforme y Exponencial.

Información general Distribuciones de probabilidad continuas

Objetivo Reconocer las diferentes características y propiedades de

Distribución Uniforme Continua. - Es una de las distribuciones más simples, se caracteriza

distribución se la conoce también como distribución rectangular.

Distribución Exponencial. - En la distribución Poisson la v.a. discreta X se definió, como el

𝑃(𝑋 ≤ 𝑥 ) = 1 − 𝑃(𝑋 > 𝑥)

𝐹 (𝑥 ) = 𝑃(𝑋 ≤ 𝑥 ) = 1 − 𝑒 −𝜆∙𝑥 ; 𝑝𝑎𝑟𝑎 𝑥 ≥ 0 𝑦 𝜆 > 0

Esta función de distribución acumulada de X, al ser derivada permite obtener la función de

𝑓 (𝑥 ) = 𝜆 ∙ 𝑒 −𝜆∙𝑥 ; 𝑝𝑎𝑟𝑎 𝑥 ≥ 0 𝑦 𝜆 > 0

Fuente: Probabilidad y Estadística aplicadas a la Ingeniería, Montgomery, Runger.

La distribución exponencial suele ser muy utilizado en aplicaciones de teoría de colas y en

Propiedad de carencia de memoria. - Las aplicaciones relacionadas con confiabilidad o tiempos

1. Anderson, D. Sweeney, D. y Williams, T. (2009). Estadística para Administración y

También podría gustarte